الرئيسية - المقالات - خرائط التبعثر Scatter Diagram
خرائط التبعثر Scatter Diagram
مركز خبراء الجودة
الساعة 01:53 مساءا

تعتبر خرائط التبعثر Scatter Diagram طريقة بيانية لتحديد العلاقة بين متغيرين يؤثران على العملية الإنتاجية. حيث تساعد خرائط التبعثر Scatter Diagram في تحسين جودة العملية الانتاجية في مرحلة التشخيص للمشكلة التي تواجهها العملية الإنتاجية بإظهار العلاقة بين السبب والنتيجة، أو بين سبب وسبب آخر من أجل التركيز على الأسباب الفعالة والمرتبطة بالمشكلة وإهمال الأسباب غير الفعالة وغير المرتبطة بالمشكلة. ولا تقتصر أهمية خرائط التبعثر Scatter Diagram على تحديد ما إذا كان هناك علاقة بين متغيرين (سبب ونتيجة أو سبب وسبب آخر) فقط، ولكن توضح أيضاً شكل الارتباط بينهما كطردي (موجب) أو عكسي (سالب)، وكذلك قوته كقوي أو ضعيف.

لذا فإن خرائط التبعثر Scatter Diagram تستخدم في تحسين جودة العملية الإنتاجية بدراسة العلاقة الممكنة بين متغير ومتغير آخر من متغيرات العمليات الإنتاجية، وتوضح ماذا يحدث لأحد المتغيرات عندما يتغير الآخر. وتساعد خرائط التبعثر Scatter Diagram في التحقق من أسباب حدوث المشكلة للعملية الإنتاجية، كما تستخدم هذه الخرائط في تقييم فعالية حل المشكلة التي تواجهها العملية الإنتاجية.

خطوات عمل خرائط التبعثر:

1- اجمع أزواج من البيانات للمتغيرات التي يشتبه بوجود علاقة بينهما.

2- قم بتخطيط رسم بياني يكون المتغير المستقل على المحور الأفقي والمتغير التابع على المحور الرأسي. لكل زوج من البيانات ، وقم بتقسيم المحور الأفقي بحيث تكون أكبر قيمة فيه هو أعلى قيمة للمتغير المستقل، ونفس الشيء للمحور الرأسي.

3- قم بوضع القيم على المخطط بوضع نقطة أو رمزا حيث قيمة محور س (الأفقي) يتقاطع محور القيمة ص (الرأسي). في حال سقوط اثنين من النقاط معا، ضعها جنبا إلى جنب، متلامستين، بحيث يمكنك مشاهدة كلتاهما.

4- الق نظرة على نمط النقاط لمعرفة ما إذا كان على علاقة غير واضحة. إذا كانت البيانات تشكل بوضوح شكل خط أو منحنى، يمكنك التوقف لأن المتغيرات مرتبطة نوعا ما. وقد ترغب في تحليل الارتباط الآن. خلاف ذلك، قم باستكمال الخطوات.

العلاقة الخطية : هل البيانات تشكل صفاً؟

للعلاقة الخطية أربع علامات:

الارتباط: قم بتحديد ما إذا كانت النقاط على التخطيط تشكل خطا مستقيما نوعا ما. كلما زادت عدد البيانات التي تشكل خط مستقيم، كلما ارتفع الارتباط بين المتغيرين.

الميلان: يقيس شدة الانحدار في البيانات. كلما زاد ميلان البيانات، على افتراض أن العلاقة موجبة، كلما زادت أهمية العلاقة. إن التغيير في المتغير “X” لديها أكبر تأثير على المتغير “Y”.

الاتجاه: يمكن أن يكون للمتغير “X” تأثير إيجابي أو تأثير سلبي على المتغير “Y”. في وجود علاقة إيجابية، فإن كلا من العوامل تتحرك في نفس الاتجاه (من أسفل اليسار، نحو اليمين تصاعديا). والعكس بالنسبة للعلاقة السلبية.

الاعتراض مع المحور الرأسي: حيث يقطع خط مرسوم من خلال بيانات المحور الرأسي “Y”. عند وجود علاقة إيجابية، فهي تمثل الحد الأدنى لقيمة “Y”؛ عن وجود علاقة سلبية فإنه يعني القيمة القصوى لـ “Y”

إضافة تعليق
الاسم
عنوان الموضوع
النص